2、机器学习与语音信号处理：技术应用与效果分析

机器学习与语音信号处理：技术应用与效果分析

机器学习在医疗预测中的应用

在医疗领域，运用机器学习算法预测患者是否因肺栓塞而患有心脏病是一项重要的研究。以下是具体的实施步骤和分析：
1. 特征提取 ：采用单变量方法对输入特征进行排序和选择。该统计工具会挑选与目标变量高度相关的输入特征，从而减少训练时间，提高效率。具体操作是使用Scikit - learn中的SelectKBest库，设置 K = 10 ，从数据集中提取十个最佳特征。内部会进行卡方（$v^2$）检验，通过 fit.Scores 参数计算每个特征与目标输出在卡方检验下的得分，得分越高，特征越重要。研究发现，中风体积和脉压与目标输出高度相关。
2. 支持向量机（SVM） ：SVM属于有监督的机器学习算法，使用线性核训练模型时遇到了过拟合问题。原因是在训练阶段，SVM不仅考虑原始数据，还将噪声视为有用数据。
3. 集成分类器（提升算法） ：为解决SVM的过拟合问题，创建了集成分类器。通过硬投票将SVM与其他两个机器学习模型（KNN和朴素贝叶斯）结合。集成学习通过整合多个学习器来增强机器学习模型的性能，与单个模型相比，能构建出效率、准确性和精度更高的模型。训练KNN时 k = 5 ，SVM使用线性分类器，随后是高斯朴素贝叶斯，最终集成分类器的效率达到了99.9%。
4. 装袋技术（随机森林） ：随机森林是装袋技术的一种，其默认的基学习器是决策树。同时还检查了随机森林的灵敏度、特异性和准确